LabPlot: Ücretsiz, açık kaynaklı, çapraz platform veri görselleştirme ve analiz

 (labplot.org)
4 puan yazan GN⁺ 2025-08-24 | 1 yorum | WhatsApp'ta paylaş
  • LabPlot, çeşitli veri görselleştirme ve analiz özellikleri sunan ücretsiz bir yazılımdır
  • CSV, SQL, Excel(xlsx), JSON gibi çeşitli veri biçimlerini desteklediği için veri içe aktarmak kolaydır
  • LabPlot ile bilimsel analiz ve görselleştirmeyi tek seferde gerçekleştirebilirsiniz
  • Çapraz platform desteği sayesinde Windows, macOS, Linux gibi çeşitli işletim sistemlerinde kullanılabilir
  • Açık kaynaklı yapısı sayesinde herkes özgürce genişletebilir ve özelleştirebilir

LabPlot tanıtımı

  • LabPlot, ücretsiz ve açık kaynaklı bir veri görselleştirme ve analiz aracıdır ve çeşitli platformlarda çalışır
  • Kullanıcılar bilimsel çizim ve veri analizi işlerini tek bir uygulamada verimli şekilde yürütebilir

Veri içe aktarma ve uyumluluk

  • LabPlot’ta ilk adım, çeşitli biçimlerde veri içe aktarmaktır
  • Desteklenen veri biçimleri arasında CSV, Origin, SAS, Stata, SPSS, MATLAB, SQL, JSON, ikili veri, OpenDocument elektronik tablosu (ods), Excel (xlsx), HDF5, MQTT, Binary Logging Format (BLF), FITS ve daha fazlası bulunur
  • Bu biçim desteği, veri entegrasyonunu ve ilk hazırlık sürecini hızlandırma avantajı sağlar

Özet

  • LabPlot, çapraz platform destekli bir bilimsel veri görselleştirme ve analiz aracıdır; kullanıcıların çeşitli veri formatlarını hızlıca içe aktarıp verimli biçimde işlemesine yardımcı olur
  • Açık kaynak yapısı sayesinde kullanıcılar doğrudan özellik genişletme ve özelleştirme avantajına sahiptir

İlgili okumalar

1 yorum

 
GN⁺ 2025-08-24
Hacker News yorumları

  • Grafik ya da chart araçlarının artık sıradan birer meta gibi görülmesi bana ilginç geliyor; 1988’in sonlarında Deltagraph’ı ilk geliştirdiğimizde hedefimiz Postscript ve Illustrator çıktısıydı, çok geniş bir grafik türü ve seçenek yelpazesi sunuyordu ve dünya çapında adeta standart gibi kullanılıyordu, özellikle de baskı işleri için. 90’ların ortasında geliştirme işini bırakıp bir yayıncıya satıldıktan sonra, pandemi dönemine kadar 25 yıl boyunca sahipleri birkaç kez değişse de C ile yazılmış orijinal kaynak kodu temel alınarak yaşamaya devam etti. O kodun bugün ne kadar dağınık hale geldiğini hayal bile edemiyorum.

    • Buna rağmen chart/grafik pazarının hâlâ yeterince metalaşmış ya da genelleşmiş olduğu hissine kapılmıyorum; çoğu ofis çalışanı eski ticari çözümleri kullanıyor (Tableau, donanım mühendisliğinde JMP ve ayrıca SAS ya da Excel gibi).

  • Uzun süre SciDavis kullandım, daha önce QtiPlot’u da denemiştim, fırsat oldukça Origin de kullandım. SciDavis kaba saba bir araçtı ve sık sık çöküyordu ama yapmak istediğim işler için büyük bir sorun yaratmıyordu. Grafik stil ayarlarında biraz zorlandım ve stil kopyalama da kullanışsızdı. Yakın zamanda LabPlot’u denedim; csv dosyalarında datetime veri olduğunda gelişmiş seçenekler ve manuel ayarlar kullansam bile tarih ve zaman serisi formatını düzgün tanıyamama sorunu vardı. Dokümantasyon sitesi bir YouTube video derlemesinden ibaret; videolar arasında gezinip kılavuz aramak zorunda kalmak hoş değil. Geliştiricilerin klasik yazılı dokümantasyon da hazırlaması şart. SciDavis’in fork’u olan AlphaPlot da var ama onda da yyyy-MM-dd hh:mm:ss.zzz tarih sorunu gibi kendi meseleleri sürüyor. Yine de kullanılabilir bir araç. Toplu işleme yapmak ya da çok sayıda grafiği otomatik ve yeniden üretilebilir biçimde oluşturmak istediğimde gnuplot kullanıyorum. Öğrenme eğrisi dik ama birkaç kez script yazdıktan sonra kendi şablonlarınızı oluşturabiliyorsunuz ve faydalı oluyor. Bu alanda da açık kaynak hareketinin olması ve sürekli daha fazla seçenek çıkması her zaman güzel.
    LabPlot kılavuz bağlantısı

  • ggplot gibi araçlar ince ayar gerektiğinde emek istiyor ama karşılığında sunduğu esneklik de çok iyi. Ama örneğin hızlandırılmış boylamsal çalışma verileriyle denek bazında tekrarlı ölçüm spaghetti plot çizmek ya da fixed effect plot üretmek istediğinizde çoğu çözüm sınırlarına dayanıyor. Referans olması için hazırladığım bir plot örneği var.
    Plot örneği

    • Ben bir biyostatistikçiyim ve karmaşık boylamsal çalışma tasarımlarını gördüğümde gerçekten mutlu oluyorum. Eski hocam böyle durumlarda cross-sectional ve longitudinal etkilerin ayrıştırılmasından ya da Lord’s paradox’tan söz ederdi ama hâlâ Lord’s paradox’u tam olarak kavrayabilmiş değilim.

  • Görünüşü gerçekten harika ama “bu neden matplotlib ya da diğer popüler chart araçlarından daha iyi” sorusuna cevap veren bir bölüm olmasını isterdim. Özellik listesini gördüm ama doğrudan karşılaştırma tablosunu kafamda kurmaya çalışmak yorucu oluyor. Cazip tarafları var gibi görünüyor ama zaman ayırıp yeni baştan öğrenmeye değip değmeyeceğini anlamak için vaka incelemeleri olsa gerçekten çok iyi olurdu.

  • Buraya büyük emek verildiği açık, ama zaten Julia, Matlab, R, Python, Excel vb. araçlarda laboratuvar koduyla entegre çalışan bir düzeniniz varsa bu aracı kullanmak için motivasyonun ne olduğu bana pek net gelmiyor. Belirli bir toplulukta popüler olup olmadığını merak ediyorum.

    • Muhtemelen amaç, Origin gibi bazı bilimsel topluluklarda popüler olan ticari araçların rolünü FOSS bir alternatifle karşılamak. Başka bir yazılımın (örneğin ölçüm yazılımının) veriyi zaten üretmiş olduğu, sizin de bunu hızla plot olarak görselleştirmek ve basit curve fitting gibi işleri GUI üzerinden yapmak istediğiniz durumlarda faydalı. Eğer veriyi işleme konusunda zaten yukarıda anılan diller ve kütüphanelerle rahatsanız, bu araca özel bir ihtiyaç duymanız için pek neden yok.

    • Sanırım tam da bu aracın hedef kullanıcısı benim. R, Python, Maxima, MATLAB/Octave arasında gidip geliyorum ve veriyi genelde CSV ile taşıyorum; her aracın arayüzü farklı olduğu için uğraştırıcı oluyor. Jupyter’ı da çok sevdiğim söylenemez, bu daha kullanışlıysa Jupyter yerine de deneyebilirim.

    • Benim deneyimime göre programlamayı verimsiz ya da rahatsız edici bulan epey insan var. Ben ağırlıklı olarak Python kullanıyorum ama şirkette bolca JMP lisansı var ve çoğu mühendis Excel’den gayet memnun. Ama benim işleri ne kadar sürede yaptığım başkaları tarafından görünmüyor. Ayrıca bu insanlar açık kaynak ya da adı pek bilinmeyen programlara karşı hâlâ temkinli. Böyle bir araç, önce kendi başına deneyip yeterince iyi bulduğunda ancak o zaman yöneticisine “bu kullanılabilir” diyebileceğin bir seçenek olabilir.

    • Gerçek bir saha örneği vermek gerekirse, bir fırlatma aracı projesinde mühendis olarak çalışırken her test ve uçuşta oluşan telemetri veri çerçevelerini CSV ya da TSV gibi devasa dosyalar halinde biriktiriyoruz. Yüzlerce değişkenin zaman serisi grafiklerini hızla gözden geçirip anormallikleri anında bulmak gerekiyor; ayrıca defalarca yakınlaştırıp kaydırarak gerekli kısımları yakalayıp belgelere ekliyoruz. Bazen son derece ayrıntılı düzeyde, bit bazında ya da örnek bazında yakınlaşıp istisna durumları da yakalamak gerekiyor; olayın ne zaman ve nerede çıkacağını önceden bilmediğiniz için hız her şey demek. Farklı birimlere sahip birden fazla değişkenin plot’unu aynı anda açıp korelasyonlara da bakmak gerekiyor ve ekip halinde analiz yaparken anlık görselleştirme talebi de oluyor. Frekans ya da istatistik analizi (periodogram, log/semilog, PDF vb.) de gerekli. Plot üzerine işaretçi ya da açıklama eklemeyi de hızlı yapmak, etiket ve biçimi WYSIWYG şekilde değiştirmek istiyorsunuz. Üstelik tek bir menü işlemiyle FFT ya da filtre uygulayıp sonucunu görselleştirebilmek gerekiyor. Python/Jupyter ile her şeyi tek tek metin üzerinden manipüle etmek bu tür bir iş akışında zaman açısından fazlasıyla verimsiz. LabPlot’ta ya da bizim kullandığımız uygulamada bu işler neredeyse gerçek zamanlı yapılabiliyordu. Excel de spreadsheet arayüzü sayesinde buna yakın bazı şeyler sunuyor ama zaman serisi plot oluşturmak için hücre, eksen, grafik tanımı, plot genişletme, etiket biçimi vb. ayarları tek tek yapmak zorunda kalınca insan bütün ayı yalnızca analizle geçiriyor. Bu tür uygulamalarda yorumlar, metadata vb. veriler dosyanın içine biçimlendirilmiş açıklamalar halinde gömülü olduğu için hızlı çalışılabiliyordu ve büyük dosyalar da disk ve bellek düzeyinde buffering ile anında tepki verebiliyordu. Bu özel iş akışlarında LabPlot ya da benzeri araçlar gerçekten vazgeçilmez.

    • Bu aracı henüz denemedim ama veriyi drag & drop ile görselleştirebiliyorsa mevcut araçlara çok iyi bir tamamlayıcı olabilir.

  • Muhtemelen projenin Github’ı bu.
    Proje Github

  • Acaba HN hug of death mi oldu?

  • S3 bucket ve diğer bulut nesne depolama entegrasyonları eklenirse gerçekten faydalı olurdu; Iceberg desteği de bu sıralar popüler, o da olsa güzel olur.

  • Şu an desteklenen veritabanının yalnızca SQLite olması üzücü; doğrudan veritabanına ya da REST API’ye bağlanmak istemiştim ama dışa aktarıp sonra tekrar içe alma süreci fazla yorucu.

  • Bunun Metabase ya da Superset’in masaüstü sürümü gibi bir konumda olup olmadığını merak ediyorum.